遙感技術具有宏觀、綜合、高效、動態(tài)、信息量大的特點,使其能夠廣泛的應用于各個領域。新型遙感器的研發(fā)和運行,能夠快速便捷的獲取大量遙感圖像,且包含的地物信息更加豐富。高空間分辨率遙感圖像海量數據、復雜細節(jié)和尺度依賴的特點決定了高分辨率遙感影像處理的技術難點。如QuikBird和WorldView等高分辨遙感圖像表現出了更多的地物信息,諸如光譜、形狀、色調、紋理等。對于遙感圖像進行分類,是獲取遙感圖像中信息的基本方法。傳統的基于像元的遙感圖像分類方法,大都只是針對影像的光譜特征,但僅從光譜特征出發(fā)進行遙感影像的分析處理,所能得到的信息有限。所以,采用傳統的遙感分類方法,將浪費很多高空間分辨率遙感影像的信息。如何充分利用遙感圖像的信息對其進行分類,是一個困難且具有挑戰(zhàn)性的問題�？臻g數據挖掘的主要任務之一是從遙感圖像中提取信息,實現知識驅動的遙感圖像解譯。為了解決這個問題,很多機器學習算法都被引入到遙感圖像處理中。本文在遙感圖像分類方法的改進方面進行了研究,提出了一種基于極限學習機的高分辨率遙感圖像分類算法。為了測試該算法的分類性能,使用了HYDICE航空影像,該航空影像是用于檢測算法有效性的... 

【文章來源】：遼寧師范大學遼寧省

【文章頁數】：50 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題的背景和意義
        1.1.1 選題的背景
        1.1.2 選題的意義
    1.2 國內外研究現狀
    1.3 研究的內容
    1.4 論文的組織結構
2 相關理論基礎
    2.1 空間數據挖掘
        2.1.1 空間數據挖掘的基本任務
        2.1.2 空間數據挖掘的理論方法
    2.2 極限學習機算法
        2.2.1 極限學習機算法原理
        2.2.2 極限學習機算法應用
    2.3 遙感圖像分類方法概述
    2.4 遙感技術在城市中的應用
3 基于極限學習機的分類器設計
    3.1 分類器比較
        3.1.1 BP神經網絡
        3.1.2 支持向量機
    3.2 分類器設計
    3.3 仿真實驗
        3.3.1 數據介紹
        3.3.2 仿真實驗
        3.3.3 結果分析
    3.4 本章小結
4 極限學習機在高分辨率遙感圖像分類中的應用
    4.1 HYDICE航空影像
        4.1.1 數據介紹
        4.1.2 數據處理與結果
        4.1.3 實驗結果分析
    4.2 WorldView 2 高分辨率遙感圖像
        4.2.1 數據介紹
        4.2.2 數據處理與結果
        4.2.3 實驗結果分析
    4.3 本章小結
5 遙感圖像分類結果評價
6 結論與展望
    6.1 結論
    6.2 展望
參考文獻
附錄A 極限學習機代碼
攻讀碩士學位期間參與項目及發(fā)表學術論文情況
致謝


【參考文獻】：
期刊論文
[1]一種高分辨率遙感影像的最優(yōu)分割尺度自動選取方法[J]. 殷瑞娟,施潤和,李鏡堯.  地球信息科學學報. 2013(06)
[2]小波核極限學習機分類器[J]. 王杰,郭晨龍.  微電子學與計算機. 2013(10)
[3]基于克隆選擇支持向量機高光譜遙感影像分類技術[J]. 劉慶杰,荊林海,王夢飛,藺啟忠.  光譜學與光譜分析. 2013(03)
[4]高分辨率遙感影像分類的多示例集成學習[J]. 杜培軍,阿里木·賽買提.  遙感學報. 2013(01)
[5]高分辨率遙感圖像分割的最優(yōu)尺度選擇[J]. 劉兆祎,李鑫慧,沈潤平,朱楓,張凱,王恬,王媛媛.  計算機工程與應用. 2014(06)
[6]粗糙集約簡的神經網絡遙感分類應用[J]. 潘遠,楊景輝,武文波.  遙感信息. 2012(04)
[7]光譜和形狀特征相結合的高分辨率遙感圖像的建筑物提取方法[J]. 吳煒,駱劍承,沈占鋒,朱志文.  武漢大學學報(信息科學版). 2012(07)
[8]改進在線貫序極限學習機在模式識別中的應用[J]. 尹剛,張英堂,李志寧,范紅波.  計算機工程. 2012(08)
[9]高分辨率遙感影像的支持張量機分類方法[J]. 張樂飛,黃昕,張良培.  武漢大學學報(信息科學版). 2012(03)
[10]正負模糊規(guī)則系統、極限學習機與圖像分類[J]. 吳軍,王士同,趙鑫.  中國圖象圖形學報. 2011(08)

博士論文
[1]核極限學習機的理論與算法及其在圖像處理中的應用[D]. 李小冬.浙江大學 2014
[2]基于極限學習的系統辨識方法及應用研究[D]. 楊易旻.湖南大學 2013
[3]基于視覺特征的高分辨率光學遙感影像目標識別與提取技術研究[D]. 柳稼航.上海交通大學 2011
[4]高分辨率遙感影像多尺度紋理、形狀特征提取與面向對象分類研究[D]. 黃昕.武漢大學 2009
[5]高分辨率光學衛(wèi)星影像城市道路識別方法研究[D]. 龍輝.中國科學院研究生院（遙感應用研究所） 2006
[6]高分辨率遙感圖像分類技術研究[D]. 陳忠.中國科學院研究生院（遙感應用研究所） 2006

碩士論文
[1]基于面向對象分類法的高分辨率遙感影像礦山信息提取應用研究[D]. 祝振江.中國地質大學（北京） 2010



本文編號：2952550